基于模型三重自适应聚合的个性化联邦学习方法及系统

本发明公开了基于模型三重自适应聚合的个性化联邦学习方法及系统，方法如下：S1、服务器初始化全局模型并根据客户端总数设置相似性矩阵，将全局模型分发给每个客户端；S2、客户端利用全局模型初始化本地模型，利用本地私有数据进行训练；S3、客户端保存本轮训练参数，并向服务器上传；S4、服务器更新全局模型和模型相似性矩阵；S5、服务器根据模型相似性矩阵为每个客户端聚合相似客户端模型；S6、服务器为每个客户端分发两个模型，分别是S4的全局模型、S5的相似客户端模型；S7、客户端使用接收的模型与上轮本地模型更新得到新一轮本地模型；利用本地私有数据进行训练，并使用检验集检验；若本地模型收敛或达到预设轮次，则停止，否则执行S3。